회귀 평균

회귀 평균(regression to the mean)은 측정에 변동이 있는 한, 극단적으로 높거나 낮은 값 다음에는 평균에 가까운 값이 나오기 쉽다는 통계적 성질이다. 증상은 날마다·주마다 오르내리므로, 가장 나쁜 시점에 잰 값은 다음에 잴 때 그저 평균 쪽으로 돌아오는 것만으로도 '좋아진' 것처럼 보인다.

핵심은 사람들이 증상이 정점일 때 관리·처치를 찾는다는 데 있다. 통증이 가장 심한 날 무언가를 시작하면, 이후의 자연스러운 완화가 그 처치의 효과로 귀속되기 쉽다. 실제로는 아무것도 하지 않았어도 상당수는 평균 수준으로 되돌아왔을 것이다. 이 때문에 개인의 '해보니 좋아졌다'는 경험담(일화, )은 강력하게 느껴지지만 효과의 증거로는 약하다.

임상 결과는 대체로 개입 고유 효과 + 맥락효과 + 자연경과·회귀 평균의 합으로 이해된다. 회귀 평균과 자연경과는 개입과 무관하게 결과를 좋게 만드는 몫이므로, 이를 떼어내지 않으면 효과를 과대평가한다.

• 대조군. 같은 시점에 관리·처치를 시작한 비교군을 두면, 양 군 모두에 작용하는 회귀 평균·자연경과가 상쇄돼 순수 효과가 드러난다. 이것이 무작위 대조 시험이 개인 경험담보다 신뢰받는 이유다.
• 기저값 고려. 극단값에서 출발한 집단일수록 회귀 평균의 영향이 크므로, 시작점(baseline)을 함께 본다.

회귀 평균은 편향(체계적 오차)과도, 단순한 자연 치유와도 겹치지만 정확히 같지는 않다. 편향이 설계·수행의 치우침이라면, 회귀 평균은 변동하는 값을 극단에서 재기 시작했다는 사실에서 나오는 통계적 현상이다. 실무에서는 둘 다 '개입 없이도 좋아지는 몫'으로 작용해 효과 해석을 흐린다.

• "해봤더니 나았다 = 효과가 있다"가 아니다 — 가장 아플 때 시작했다면, 회귀 평균만으로도 호전이 설명될 수 있다.
• 양쪽 방향 모두 — 유난히 좋았던 상태 뒤에는 반대로 나빠지기도 한다. 그래서 '한 번의 극단적 결과'에 과잉 반응하지 않는 태도가 필요하다.

• Rossettini G 외 (2018). 근골격 통증에서 임상 결과의 구성 — 특이효과·맥락효과·자연경과(평균회귀)의 구분. BMC Musculoskeletal Disorders.